基于词嵌入和长短期记忆网络的非功能软件需求分类

摘要：

非功能需求(non-functional requirements,NFR)描述了软件所需的一组质量属性,例如安全性、可靠性、性能等.为了开发高质量的软件产品,需要从软件需求规格说明书(software requirements specification,SRS)中提取NFR,如果此过程实现了自动化,不仅可以减少从大量需求中识别特定需求所涉及的人工、时间和精神疲劳,还可以帮助开发人员提供满足用户期望的高质量软件.针对此问题,本文采用深度学习特征提取和分类技术,提出一种基于预训练的BERT(bidirectional encoder representations from transformers)词嵌入和长短期记忆网络LSTM(long short-term memory)相结合的BERT-LSTM网络模型,用于质量软件开发的自动NFR分类.首先,通过BERT模型训练需求文本中的词向量,然后利用长短期记忆网络对词向量进行特征提取,最后使用Softmax分类器识别SRS中的NFR.实验表明,相比于其他算法,在由非功能需求和功能需求组成的PROMISE语料库中,BERT-LSTM网络模型在准确度、召回率、F1得分等指标方面取得了最佳的效果.

关键词：非功能需求;需求规格说明书;BERT;长短期记忆网络

所属期刊栏目：39

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;广西自然科学基金;广西研究生教育创新计划项目

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：110-121